Negative sampling improves hypernymy extraction based on projection learning

Dmitry Ustalov, Nikolay Arefyev, Chris Biemann, Alexander Panchenko

Результат исследований: Глава в книге, отчете, сборнике статейМатериалы для конференциирецензирование

19 Цитирования (SciVal)

Аннотация

We present a new approach to extraction of hypernyms based on projection learning and word embeddings. In contrast to classification-based approaches, projection-based methods require no candidate hyponym-hypernym pairs. While it is natural to use both positive and negative training examples in supervised relation extraction, the impact of negative examples on hypernym prediction was not studied so far. In this paper, we show that explicit negative examples used for regularization of the model significantly improve performance compared to the stateof- the-art approach of Fu et al. (2014) on three datasets from different languages.

Язык оригиналаАнглийский
Название основной публикацииShort Papers
ИздательAssociation for Computational Linguistics (ACL)
Страницы543-550
Число страниц8
ISBN (электронное издание)9781510838604
DOI
СостояниеОпубликовано - 2017
Опубликовано для внешнего пользованияДа
Событие15th Conference of the European Chapter of the Association for Computational Linguistics, EACL 2017 - Valencia, Испания
Продолжительность: 3 апр. 20177 апр. 2017

Серия публикаций

Название15th Conference of the European Chapter of the Association for Computational Linguistics, EACL 2017 - Proceedings of Conference
Том2

Конференция

Конференция15th Conference of the European Chapter of the Association for Computational Linguistics, EACL 2017
Страна/TерриторияИспания
ГородValencia
Период3/04/177/04/17

Fingerprint

Подробные сведения о темах исследования «Negative sampling improves hypernymy extraction based on projection learning». Вместе они формируют уникальный семантический отпечаток (fingerprint).

Цитировать